Hoofd Klantsucces legt de workflows uit die tijd besparen en klanten tevredener maken

Ajay Balamurugadas is hoofd Klantsucces en Strategie bij PostQode, een AI-gebaseerd softwareontwikkelingsproduct.

We spraken met Ajay om te begrijpen hoe hij AI gebruikt om gelukkigere klanten te creëren. Dit vertelde hij ons.

Autonome AI-agenten in softwareontwikkeling

Mijn naam is Ajay Balamurugadas en ik ben een ervaren leider op het gebied van kwaliteitsengineering. De afgelopen twee jaar was ik hoofd Klantsucces en Strategie bij PostQode, een productbedrijf dat autonome AI-agenten inzet in elke fase van de softwareontwikkelingslevenscyclus.

Onze klanten zijn onder andere startups, ondernemingen en dienstverlenende bedrijven die hun eigen klanten bedienen.

Hoe AI gelukkigere klanten creëert

In het afgelopen jaar hebben we twee concrete veranderingen doorgevoerd in de manier waarop we met behulp van AI de klantervaring leveren.

Ten eerste gebruiken we AI uitgebreid voor klantonderzoek. In plaats van uitsluitend te vertrouwen op handmatige analyse van vergaderingen, feedback en documenten, gebruiken we AI om gesprekken samen te vatten, terugkerende pijnpunten te identificeren en verwachtingen te achterhalen. AI onderzoekt ook het bedrijf van de klant, diens bedrijfsactiviteiten, concurrenten en mogelijke oplossingen, en brengt verschillen tussen wat klanten zeggen en wat ze daadwerkelijk nodig hebben aan het licht.

Door AI ondersteunde analyse en samenvatting hebben de tijd voor klant- en marktonderzoek teruggebracht van bijna een volledige werkdag naar doorgaans 1-2 uur.

Ten tweede hebben we AI-ondersteuning voor probleemoplossing geïntroduceerd voor het analyseren en oplossen van problemen. AI helpt bij het analyseren van logboeken, foutpatronen, testresultaten en historische problemen om mogelijke grondoorzaken snel te beperken en vervolgstappen voor te stellen. Dit heeft de responstijden verbeterd, de onderzoeksinspanning verminderd en teams in staat gesteld klantproblemen sneller en met meer context op te lossen.

AI genereert en onderhoudt ook documentatie, zoals handleidingen voor onboarding, veelgestelde vragen over probleemoplossing en vergelijkingsdocumenten — opnieuw met als resultaat dat de tijd en inspanning om deze te maken zijn teruggebracht van dagen naar uren.

En het belangrijkste is dat dit alles heeft geleid tot gelukkigere klanten.

Hoe AI CX-onderzoeksprocessen kan versterken

Ajay deelt

We vragen AI om positioneringsstrategieën, waardeproposities, relevante gebruiksscenario’s en manieren om de oplossing op maat te presenteren voor te stellen… Dit helpt het team om vooraf reacties voor te bereiden en de kwaliteit van klantgesprekken te verbeteren.

Dit is de CX-onderzoeksworkflow die we gebruiken voordat het eerste klantgesprek überhaupt plaatsvindt.

We beginnen met onderzoek via Perplexity AI om het bedrijf, het domein van de sector, de concurrenten, de marktpositionering en recente activiteiten van de potentiële klant te begrijpen. Dit helpt ons om een sterk contextueel inzicht op te bouwen voordat we met de klant in gesprek gaan.

Vervolgens gebruiken we Claude of ChatGPT om dat onderzoek te combineren met gedetailleerde informatie over onze organisatie en vast te stellen hoe ons platform de specifieke potentiële klant het beste kan helpen. We vragen AI om positioneringsstrategieën, waardeproposities, relevante gebruiksscenario's en manieren om de oplossing op maat te presenteren voor te stellen.

Daarna gebruiken we ChatGPT of Gemini om waarschijnlijke bezwaren, zorgen en vragen van klanten te simuleren. Dit helpt het team om vooraf reacties voor te bereiden en de kwaliteit van klantgesprekken te verbeteren.

Tijdens klantvergaderingen nemen we gesprekken op en transcriberen we ze. We gebruiken ChatGPT om gesprekken samen te vatten, gestructureerde notulen te genereren, actiepunten te identificeren en klantverwachtingen en risico's vast te leggen.

Na de vergadering gebruiken we Claude en ChatGPT om ondersteunende materialen te genereren, zoals oplossingsdocumenten, onboardinghandleidingen, vergelijkingsdocumenten, diagrammen, workflows en materiaal voor probleemoplossing.

Waarom relaties en nuance niet aan AI kunnen worden uitbesteed

Maar we gebruiken AI niet voor alles.

Het opbouwen van relaties en emotionele verbondenheid blijft nadrukkelijk mensenwerk. Wij geloven dat vertrouwen, empathie en langdurige relaties niet aan AI kunnen worden uitbesteed. Mensen onderhouden rechtstreeks persoonlijke contacten, zoals informeren naar de doelen van klanten, hun voortgang begrijpen, hen feliciteren met bijzondere gelegenheden en oprechte menselijke verbinding in stand houden.

AI ondersteunt de relatie, maar mensen bouwen deze op en houden haar in stand.

Daarnaast bevindt cruciale klantcontext zich in veel gevallen verspreid over e-mails, CRM-systemen, vergadernotities, opnames van gesprekken, supporttickets en interne discussies, waardoor AI onder de verwachtingen presteert. In deze situaties, waarin contextuele continuïteit ontbreekt, is menselijke tussenkomst nog steeds nodig om nuances te interpreteren, aanbevelingen te valideren en informatie uit verschillende bronnen met elkaar te verbinden.

Waarom terugvalprocessen noodzakelijk zijn bij AI

Het integreren van AI in klantbelevingsactiviteiten heeft dus aanzienlijke tijd- en inspanningsbesparingen en een verbeterde consistentie opgeleverd, en activiteiten die eerder afhankelijk waren van individuen veranderd in beter schaalbare en herhaalbare processen.

Maar er zijn ook uitdagingen ontstaan. Een zorgpunt is het effect van “te mooi om waar te zijn”, waarbij door AI gegenereerde resultaten soms zeer overtuigend lijken, zelfs wanneer grondigere validatie nodig is. Dit betekent dat menselijke controle en beoordeling belangrijk blijven voor kritieke beslissingen en aanbevelingen richting klanten.

Een andere uitdaging is operationele afhankelijkheid. Zodra teams gewend raken aan door AI ondersteunde werkprocessen, vinden ze het moeilijk om tijdens uitval van AI of wanneer een hulpmiddel niet beschikbaar is dezelfde snelheid en consistentie te behouden. Dit benadrukt het belang van terugvalprocessen en het waarborgen dat teams hun fundamentele domeinkennis en besluitvormingsvermogen behouden.

Waarom CX-leiders de gewenste resultaten moeten kennen voordat ze hulpmiddelen kiezen

Het is belangrijk om het exact gewenste resultaat goed te begrijpen voordat je hulpmiddelen of modellen kiest.

In eerste instantie gingen we ervan uit dat één model elk type taak effectief kon uitvoeren, maar we ontdekten al snel dat verschillende modellen beter presteren voor verschillende gebruikssituaties. Sommige zijn beter in onderzoek, andere in redeneren, gestructureerde documentatie, samenvatten of gesprekstaken. Het kiezen van het juiste model voor de juiste activiteit kan de kwaliteit aanzienlijk verbeteren en kosten en inspanningen verminderen.

Een andere belangrijke les: benader grotere problemen niet als één enorme AI-taak. Door complexe werkprocessen op te delen in kleinere, duidelijk afgebakende taken en deze stap voor stap te orkestreren, ontstaan veel betere en betrouwbaardere resultaten.

Hoe je teams begeleidt bij effectief AI-gebruik

Ajay deelt

We zorgen voor een effectieve toepassing door gezamenlijk leren over en gebruik van AI binnen het team te stimuleren… Daarnaast delen we voortdurend ontdekkingen, voorbeelden, artikelen, prompts en succesvolle werkprocessen intern, zodat kennis zich snel door de organisatie verspreidt in plaats van bij enkele individuen te blijven.

We zorgen voor een effectieve toepassing door gezamenlijk leren over en gebruik van AI binnen het team te stimuleren. We trainen teamleden regelmatig in verschillende AI-hulpmiddelen, gebruikssituaties, manieren om prompts te formuleren en werkprocessen die relevant zijn voor klantbelevingsactiviteiten.

Daarnaast delen we voortdurend ontdekkingen, voorbeelden, artikelen, prompts en succesvolle werkstromen intern, zodat kennis zich snel door de organisatie verspreidt in plaats van bij enkele individuen te blijven. We bekijken resultaten ook samen, helpen teamleden de kwaliteit van hun context en prompts te verbeteren en demonstreren artefacten die in verschillende fasen van klantbetrokkenheid zijn gecreëerd.

Deze voortdurende cyclus van trainen, delen, beoordelen en demonstreren helpt het team vertrouwen op te bouwen en AI effectiever en consistenter te gebruiken in echte klantgerichte scenario's.

Hoe AI verandert waar expertise in CX moet worden ingezet

Traditioneel waren taken zoals diepgaand klantonderzoek, concurrentieanalyse, het maken van documentatie, het samenvatten van vergaderingen of het voorbereiden van oplossingen afhankelijk van specifieke experts met jarenlange domeinkennis en ervaring. AI kan veel van deze activiteiten nu breder versnellen en ondersteunen, waardoor meer teamleden met de juiste begeleiding en context effectief kunnen bijdragen.

Dit maakt expertise niet overbodig, maar verandert wel de manier waarop we die toepassen. In plaats van het grootste deel van hun tijd te besteden aan het verzamelen van informatie en repetitieve voorbereidingen, kunnen specialisten zich meer richten op strategie, relaties, besluitvorming en klantresultaten.

Hoe CX-leiders AI moeten benaderen

Ik adviseer CX-leiders om AI te zien als een assistent, niet als een vervanging. De kwaliteit van de resultaten hangt sterk af van de kwaliteit van de context die je aanlevert. Blijf AI voorzien van relevante bedrijfscontext, klantgeschiedenis, werkstromen en zelfs “context over de context”, zodat het nauwkeurigere en betekenisvollere resultaten kan genereren.

Begrijp ook dat verschillende AI-hulpmiddelen geschikt zijn voor verschillende toepassingen. Besteed tijd aan het leren kennen van de sterke punten en beperkingen van verschillende hulpmiddelen voor onderzoek, ondersteuning, analyse, documentatie, automatisering en personalisatie.

Het belangrijkste is dat je voortdurend experimenteert. De organisaties die de meeste waarde uit AI halen, zijn de organisaties die actief ideeën testen, werkstromen verfijnen, van mislukkingen leren en zich snel aanpassen. De invoering van AI is geen eenmalige implementatie — het is een zich ontwikkelende vaardigheid die verbetert door gebruik, feedback en iteratie.

Blijf op de hoogte

Je kunt het werk van Ajay Balamurugadas volgen op LinkedIn.

Er komen meer interviews met experts op The CX Lead!